引言
随着城市生活步入数字化时代，个人移动性出现了新的特征与变化。移动智能设备的普及使得城市居民能够以极快速度获取远距离的城市资源与信息，进而改变了居民的日常活动与行为的决策过程[1]。在基于位置服务（LBS:Location Based Serves）的加持下，信息传播的不透明性与滞后性被缩小，个体出行者越来越接近于即时感知的“理性的人”。这带来的不仅是移动效率的提升，也改变了居民的时间感知方式[2]，使得居民不仅要求设施在空间上具有可达性，而且对设施在时间可供性上提出了更细颗粒度的要求。城市规划研究长期关注供需平衡，伴随着居民需求的不断变化，如何适应新的社会生活需求与节奏成为值得关注的问题[3]。在社区内，评估居民活动需求与设施供给的传统方法通常采用千人指标等方式，通过评估设施总量实现人与设施的供需匹配[4]。然而，这种方式往往只关注城市设施与个体活动需求在空间上的匹配，忽略了设施在时间上的可供性以及设施间的时空衔接，促使了时间贫困、时间焦虑等现象的出现。因此，提升城市设施和资源在时间维度的可获得性和协同性，对于提高居民的生活福祉至关重要[5]。近期，“15分钟生活圈”“X 分钟城市”等概念从时间可达性的视角回应了居民需求与设施供给的时空匹配问题，并且强调从行为视角关注人与设施关系的重要性[6]。
随着物联网、全球定位技术（GPS）、信息传输技术和分布式存储技术等的发展与普及，实时捕获居民行为信息成为可能[7]。这一发展为居民行为研究带来了具有精细时空坐标的移动数据，包括GPS 轨迹数据、手机信令数据、公交智能卡刷卡记录以及公共自行车租赁记录等[8]。如何运用相关数据解读个体移动行为与城市空间关系成为研究热门[9]：有研究从宏观层面的分布规律出发，采用空间交互、流空间等视角研究城市移动现象的规律以及其中的城市结构因素[10-11]；有研究从微观层面的个体出发，结合路网密度、土地利用性质等建成环境要素以及社会经济属性如年龄、性别等，解释个体移动和活动空间的形成机制[12-13]；还有研究侧重于移动数据的实时观测和可视化分析，如麻省理工学院的感知实验室（SENSEable City Lab）推出的实时罗马（Real-Time Rome）和直播新加坡（Live Singapore!）项目[14-15]。以上三类研究利用实时数据呈现动态移动景观，解释移动生成原因并挖掘其反映的人与环境关联。然而，它们多集中于个体移动性的时空特征探讨以及居民移动行为与城市环境间的机制解读，较少关注实时数据在测度个体时空移动性、评价城市设施时空协同性上的潜力。
鉴于此，本文从个体移动与城市资源间的关系出发，将时间要素嵌入移动系统研究，尝试提出从移动性视角理解人与设施服务间时空关系的理论框架。具体而言，本文基于个体移动的过程性视角将城市设施划分为移动设施与活动设施，并针对两类设施的时空关联以及多类移动设施间的时空衔接总结了已有的分析方法和相关案例。利用实时收集的个体移动数据重新思考城市设施在时间维度上的协同性将有助于优化城市资源的时空间配置，实现效率与公平兼具的城市设施规划。
1 移动性视角下个体与设施服务的关系
1.1 个体移动性与城市资源的时空匹配
在厄里（Urry）等学者提出的移动性范式中，移动性研究已经逐渐从传统的“基于地”转向“基于人”[16]。这种转变强调移动过程中不仅仅是关于人和商品的位移，更加强调移动过程中所形成、维持和消失的关系网络，以及个体的环境感知与体验。传统研究往往侧重于交通运输规律、距离和成本分析，但过度强调“理性移动”和“机械建模”，忽视了形成移动的复杂因素，简化了人类移动的多样性和复杂性[17]。当今生活节奏不断加快，时间因素对居民出行生成过程的影响愈发凸显[18]。随着移动设备的普及，获取高时空分辨率移动数据的成本大大降低，深入透析移动生成过程的时间因素也成为可能。例如：有研究从个人出行偏好的视角，探究了个体出行选择与交通系统时刻表、公交车到站时间、等待时间之间的关系[19]；也有研究从城市环境动态变化的视角，分析和比较了移动行为和城市空间可达性在不同时间尺度上的特征和动态变化，如公交可达性和使用率在一天内不同时段的变化特征[20]。然而，相关研究多聚焦于对移动本身的解析与还原，对于居民移动系统与城市设施及服务间的关系认识相对较少。
本文本文提出了如图1 所示的框架，用以系统性地理解城市设施服务与居民移动需求的时空间关系。根据此框架，城市内各要素根据变化频率被划分为三个层次：用地结构层、设施服务层和移动出行层。用地结构层包含相对稳定且周期较长的城市要素，如用地类型和道路网络等基础设施，它们组成了城市基础结构；设施服务层为居民生活提供相关设施和移动服务，变化频率较快并与居民行为产生直接关联；移动出行层代表居民利用设施和服务所呈现出的动态移动景观。居民在制定出行决策的过程中，受到设施服务层中的时间要素包括公交运营时间、公交到站时间、设施开放时间等的影响，调整并改变个人出行方案。个人持续动态决策过程也使得移动出行层与设施服务层之间在时间维度上呈现着紧密的关联。通常情况下，规划制定者往往通过调整用地结构层和设施服务层，影响移动出行层的居民行为与选择，如调整职住空间关系[21]、提升公交服务范围等[22]。但这种规划实践注重供需空间的宏观耦合与连接关系，较少关注二者在时间维度的匹配问题，尤其是从个体微观视角出发的全过程时空资源配置问题。
图1 城市环境与居民移动的时空匹配示意
在从移动性出发评估城市设施服务供给与居民需求的匹配程度时，可达性被视为一个重要指标。对可达性概念的不断认识与加强，反映了对居民移动与城市资源之间关系的深入理解。从传统的基于空间位置的可达性，到侧重强调个体差异性的个体可达性，再到强调获取资源可及性的服务可达性，城市研究者也意识到仅满足物理空间上的可达性，并无法实现居民对资源的有效获取。因此，相关研究也从关注设施位置的空间选择，转向关注居民对资源获取过程的满意度评价[23]，其中设施和资源在时间上的可获取性对居民体验的影响尤为显著[24]。以社区生活圈为例，相关研究聚焦于获取资源的时间成本，以15 分钟为尺度划定居民个体的活动空间，并依此确定了设施供给的服务范围[25]。然而，由于个人时空间行为模式的多样性，居民个体对生活服务设施在时间维度上的可供性需求也同样存在差异[26]。有学者从时空间行为规划的角度区分了个人时间与城市时间，强调时间规划的核心在于扩大个人时间与城市时间的重合窗口，增加个体的时间可用性，提高个体使用城市设施或服务的机会[27]。这一视角从理论层面指出，为了协调城市时空资源与居民活动需要，时间城市规划应充分考虑居民日常生活的具象场景，关注影响惯常行为的城市时间要素。目前，已有学者将居民开展活动的设施视为主要研究对象，评估活动设施能否在居民需要的时间段内提供服务，但较少关注个体获取资源全过程，缺乏对活动—移动系统的整体性认识，进而忽视了设施间的时空衔接关系与协同性分析。
1.2 个体移动性视角下城市设施间的时空协同
在个体移动性视角下，各类城市设施服务之间的时空协同性是研究关注的焦点。蔡平（Chapin）采用活动分析法（activity-based approach），将移动视为基于活动需求所派生的需求，强调个体移动的目的是为了获取目的地的资源，进而开展维持生产生活的相关活动[28]。这一将活动与移动紧密结合的认识论，构成了城市居民的活动—移动系统（urban activity-travel system）[29]。本文基于这一理论，从活动—移动系统的视角将城市设施划分为两类：移动设施和活动设施。其中，移动设施指的是服务于居民移动需求的交通设施，如道路、地铁、公交车、共享单车等；活动设施指的是作为移动目的地，为开展日常活动提供所需资源的城市设施，如教育设施、医疗设施、办公设施等。居民为前往活动设施而产生移动需求，在获取远距离空间资源的同时消耗了自身的时间资源[30]。围绕时间资源的分配与移动资源的协调，个体进行了复杂的动态决策过程[31]。图2 通过时间地理学方法说明了在下班过程中，个人获取资源的过程受设施开放时间、公交运营时间、道路拥堵时间等服务时间的影响，制约了个人可能获取资源的时空范围，进而影响了实际行为安排与活动结果。这种情况下，活动设施开放时间、移动设施运营时间与个体需求时间的错位，极大限制了居民获取资源能力。此时，移动设施与活动设施的时空协同以及移动设施间的时空衔接，是提升居民获取资源能力和保障设施服务供给的关键要素。这不仅需要城市规划者从结构上关注资源供给与居民需求的时间匹配，而且需要相关部门协同城市设施间的时间关系，实现全时段的资源分配和服务供给，以达成公平、高效的规划目标。
图2 个体视角活动—移动需求与城市供给之间的时空不匹配现象
从个体移动性视角关注城市设施间的时空协同关系，有助于发现设施服务间的连接不足、供需关系错位等相关问题。从活动设施与移动设施的协同关系出发，分析二者在空间分布和服务时间上的耦合关系，可以推算居民使用该移动设施可获取的活动资源的位置和时段，从而发现设施间可能存在的衔接问题和受影响的居民群体[32]。结合居民移动数据所记录的实际资源利用特征将发掘设施服务与居民需求间可能存在的错位。例如：某些地区的服务设施在特定时间段供给过剩，在其他时间段或地区则供给不足[33]。从多类移动设施间的系统关系出发，有助于发现特定类型设施之间衔接性的缺乏，或者移动设施运营时间不足等问题[34]，从而为设施和资源的优化配置提供参考，使居民得以便利地获取所需服务和资源[35]。因此，从个体移动性视角发掘设施间存在的时空协同问题，有助于揭示城市系统间的时间结构关系，指导城市服务的优化配置与协同发展，满足居民多样化的出行和活动需求；而实时获取的个体移动数据，从微观层面关注居民的生活模式与活动时间细节，将提升时间城市规划的实践性与有效性。通过准确地把握个体的需求，城市规划者得以更精细的时空尺度介入城市的运行与发展。
2 移动设施与活动设施的时空协同分析
目前，已有研究关注医疗卫生[36]、公园绿地[37]、文化体育[38]和公共教育[39]等设施空间分布与运营时间对可达性与公平性的影响。时空可达性（space time accessibility）在传统可达性的基础上，不仅探讨了空间上的可达关系，而且关注时间上的可获取性[40]。有学者基于个人视角结合时空棱柱的算法，提出了考虑设施开放时间的个体时空可达性计算方法，成功将时间和空间纳入分析模型[41]。然而，应用更为广泛的基于位置的可达性建模方法本质上往往是静态的[42]，因此有学者尝试将时空动态性纳入基于地点的可达性计算，如从时空效用视角，引入时间依赖的设施吸引力函数表示个体活动强度的时变特征，进而将时间要素纳入对不同类型设施可达性的计算[43]。但目前较少有研究关注活动设施与移动设施间在运营时间上的衔接关系。本文基于以往研究对公交服务时刻表与公共设施开放时间的分析，总结评估移动设施与活动设施间时空协调关系的时空可达性计算方法和案例分析。
2.1 结合设施开放时间与公交时间的时空可达性
食物供给是公共卫生研究的重要命题，食物供给点是具有明显开放时间的代表性设施[44]。考虑到低收入人群可能长时间工作或作息不规律，无法在附近商店的营业时间内购物，单纯基于空间可达性的计算可能高估了部分人群的可达能力[45]。公交数据标准（GTFS: General Transit Feed Specification）是一种开放数据标准，用于设计、管理和发布公交线路和站点的地理信息和服务时刻表。随着通用公交数据标准的普及，研究者可以将公交系统提供的空间可达性拓展到时空可达性，关注资源的时间匹配，评估资源在时间上的可获取性。
因此，有学者提出同时考虑设施开放时间和公交运营时间的主要可达性（primal access）和双重可达性（dual access）指标[46]：前者侧重于可达设施的数量，后者侧重于获取设施的时间或成本。计算方法如下：首先，将购物行程实现的时间条件定义为行程时间少于预算时间，且在购物时间结束时商店仍然处于开放状态。其次，基于GTFS 数据与路网数据构建研究区域内的公交出行网络，定义出发地与目的地间的行程时间为步行时间、车内时间、可能的等待和换乘时间总和。最后，结合设施开放时间，分别计算上述条件下的主要可达性和双重可达性。其中，主要可达性为给定时间预算内所能到达的食品供给点数量，双重可达性为到达最近指定数量食品供给点的叠加时间成本。
2.2 不同时段内获取资源的时空可达性结果
曾小欢等（Zeng et al.）以美国明尼苏达州亨内平县为例，结合上述算法评估了使用公交车出行时提供食物援助分配点的时空可达性[47]。亨内平县为低收入家庭提供了食物援助，满足条件的家庭可以在指定的超市和杂货店免费获得定量的生活必需品。通过指定超市和杂货店的名称和地址，研究抓取了给定日期范围内每个供给点的开放时间，并下载了相同时间段的GTFS 数据和底层道路网络数据，分别计算了主要可达性和双重可达性。图3 显示了双重可达性随时间推移的变化情况，能够发现在21:00—24:00，各地区的可达性明显下降，尤其是在30 分钟内到达食品供给点的情况。这种下降趋势表明公交车服务的减少和食品供给点的关闭在该时间段内对整个区域的可达性造成了明显影响。
图3 使用公交到达最近两个食物供给点的所需时间的变化
资料来源：参考文献[47]
与此同时，图4 揭示了受可达性下降影响最大的地区，同时也是贫困率和经济援助率较高的地区。这一发现提示我们，受可达性影响最大的群体往往是经济较为困难的人群，而这些人往往是最需要食品援助的对象。因此，为提升这部分人群在这些时间段的食物可获取性，可能的解决方案包括从活动设施角度出发，在这些区域周边延长食物供给点开放时间或增设24 小时便利店；或者从移动设施角度提供全时段的微公交服务（micro mobility service），如共享单车和应需公交（on-demand transit），以满足这部分人群的需求。这样的调整将有助于弥合这部分人群面临的可达性差距，特别是在晚间时段。上述研究以低收入家庭获取食品供给为例，关注了居民日常活动时间特征与城市公共服务供给时间特征的不匹配问题。
图4 明尼苏达州亨内平县的食品可达性与贫困率图示
资料来源：参考文献[47]
近期，部分研究采用实时交通时刻表（real-time GTFS）获取实际移动性，进一步提高了时空可达性评估的准确性。这些研究指出，公交实际到站时间与静态时刻表上计划的到站时间之间可能有偏差，无法反映真实情况下的时空可达性[48-49]。此外，实时交通时刻表记录了公交车辆的实时位置信息，并通过公交信息平台向用户提供实时预测到站时间。用户通过实时信息调整出行计划以减少出行时间，降低换乘时错过下一趟公交的风险。因此，以实时交通时刻表为基础，可以一定程度上反映个体的实际出行时间，从而更准确地对移动设施的可供性进行评估，为资源分配进行实时调整提供参考（如临时增加公交车班次）。另外，也有研究利用基于位置服务技术，基于智能手机实时收集居民个体的时空间行为数据，了解个体对活动设施和移动设施的实际选择、使用和体验，有效避免了回忆偏差（recall biases）并提供了高粒度的个体时空轨迹数据[50]。这些实时收集的出行调查数据，能够很好地补充上文提到的分析方法和结论。
3 多类移动设施间的时空协同分析
随着城市交通网络的不断发展和普及，人们对不同交通设施间的衔接关系以及这种关系对个体移动行为的影响产生了日益浓厚的兴趣[51]。研究者着眼于多类移动设施的时空衔接，探索各种移动设施如何在时间和空间上相互交织，以更好地服务城市居民的出行需求。有研究关注轨道交通车站周边一体化衔接[52-53]，也有研究关注接驳城市轨道交通的社区公交[54]，但它们多从移动设施在空间上的服务衔接关系进行解读，较少纳入时间要素。聚焦于如何系统认识移动设施间的时空关系，宋颖和黄予川（Song &Huang）以共享单车和公交车为例，提供了利用实时收集的使用者数据分析二者间时空协同关系的思路与方法[55]。
3.1 共享单车与公交车间的时空关系度量方法
共享单车等微型交通方式为传统公交提供了“最后一英里”的衔接，并极大提升了个体的出行便利性[56-57]。以往研究常将共享单车与公交视为竞争或互补关系，并使用用户出行数据或系统流量数据对二者的使用情况进行评估[58-59]。实际上，这两者的关系并非互斥，而是有时同时存在：共享单车不仅衔接首末一英里，也可能替代公交线路上的部分路段。因此，结合时间和空间方面的匹配关系，宋颖和黄予川提出了时空关系度量方法，其思路如图5 所示[55]。如果共享单车的出行起讫点均在距公交车站点的100 m 范围内，且使用共享单车的行程时间与使用公交车的行程时间非常接近，认为就此趟出行而言，共享单车与公交车能够提供较为相似的移动性服务，进而说明二者间存在可能的竞争性关系；如果共享单车的行程距离在一英里内、行程结束地点附近100 m 范围内存在公交车站，并在行程结束后存在有乘客在该公交车站点上车的刷卡记录，就认为共享单车为公交车提供了“最初一英里”的衔接支持，这说明了二者间存在可能的互补性关系（“最后一英里”支持同样类似于此的过程）。
图5 共享单车与公交车的竞争性与互补性关系图示
资料来源：参考文献[55]
上述思路使用了共享单车交易数据、公交车实时定位数据和乘客刷卡数据。竞争关系与互补关系的具体计算方法如下：（1）根据筛选条件，选择空间和时间相匹配的共享单车行程和公交车行程的配对集合，揭示两个系统间的竞争关系。（2）首先考虑空间邻近性，采用K 近邻（K-Nearest Neighbors）的机器学习方法，在共享单车停靠点附近100 m范围内寻找与之紧密关联的公交车站点，并建立相应的子簇。每个子簇对应一个包含一个或多个共享单车起讫点的空间区域。接着，在每个子簇内构建具有日期和时间维度的共享单车解锁、还车数量，公交车上车、下车数量的四个数据立方体切片。最后，建立每个时间段的特征向量，并利用余弦相似性来量化共享单车还车与公交车上车，或共享单车解锁与公交车下车矩阵的相似性，以揭示两个系统间的互补关系。
3.2 结合实时数据的时空关系分析结果
基于上述算法，宋颖和黄予川以美国明尼苏达州双子城为研究区域进行了应用实证[55]。2017 年4—11 月间数据来源于Nice Ride 公司提供的202 个自行车站点内共46 万条共享单车出行数据，以及公共运输局（Metro Transit）提供的5 002 个公交车站点内共7 340 万条车辆到站信息和乘客数据。
从竞争关系上看，共匹配了64 501 次与公交车存在相似时空关系的共享单车出行，约占所有出行总量的2.5%。将每个共享单车站点的每周平均出行次数进行可视化后，能够发现竞争关系频繁出现在明尼苏达大学内学生往返学校通学的热点地区，以及学校连接中心商务区的主要道路（图6a,图6b）。对所匹配行程的出行时间差值进行频数统计后，发现八成以上的竞争性出行出现在两类行程时间相差接近5 分钟以内的情况（图6c）。这说明，多数用户选择共享单车服务可能是缘于其短途出行的灵活性。对于少数共享单车行程时间明显大于公交车行程时间的情况，则很有可能是缘于多目的出行，即个人为了通学以外的目的或是行程中途的活动（如在邮局取包裹）等原因而选择使用共享单车。
图6 共享单车与公交交通的竞争性分析结果
资料来源：参考文献[55]
从互补关系的角度来看，对数据筛选后共获得了91 255次可能的互补性出行。在城市中心区以及大学城区域内的子图中，一个公交车站点往往与多个共享单车点相连；而位于公园或休闲小径附近的共享单车点通常是独立的。然而，这些出行中可能包含互补性出行，也包含单独的通学出行。因此，需要根据时间结构上的互补关系，对每个子簇内设施使用数量的时间特征进行相似性计算和比较。图7以紧邻明尼苏达大学校园的马西-霍姆斯社区为例，展示了共享单车和公交车使用数量的时间可视化结果：在7:00—9:00，该地区的共享单车解锁量较高；而在其余时间段，共享单车的解锁量均低于其还车量。与之相对，公交车上车的高峰期发生在7:00—9:00 之间，而下车的高峰期在16:00—18:00。经过余弦相似性计算可发现，共享单车还车记录与公交车下车记录间的时间使用模式相似性最高，这证明了二者在同一时间段内经常共同发生，而共享单车还车记录与公交车上车记录间余弦相似性最低，这说明二者在同一时间段内并不存在连续发生的可能性。这表明，在该社区内，共享单车很可能是一种公交车的替代出行方式，而非主要用于首末站支持[59，55]。
图7 马西-霍姆斯社区四种出行类型的时间关系
资料来源：参考文献[55]
上述案例揭示了多种出行模式之间相互关系的复杂性，也为提升移动设施间时空协同性提供了启示。首先，在利用使用者数据进行移动系统间的分析时，必须同时考虑空间上的临近关系和各个时间段的流量关系。例如：公交车站点的上车高峰和周边共享单车点的大量还车记录，并不能代表两者之间一定存在很强的互补关系，因为两者在时间上可能并不匹配。其次，比较不同模式间出行时间时，不应仅局限于出行服务的高效性和便利性，还应着眼于设施服务类型的特性与差异。例如：在不同的出行场景下，相比于公交车而言，出行者出于对时空间便利性和灵活性的需要更倾向于选择共享单车出行。因此，需要关注出行者对时间感知与需求偏好在不同情景下的差异以进行移动设施服务供给结构的调整。最后，比较多类移动设施使用特征的时空相似性有助于发现移动行为中蕴含的时间语义（temporal signature），进而刻画不同类型城市场所的时间使用模式。基于此，机器学习模型将可更准确地预测未来不同类型出行需求的时空变化。
4 讨论与结语
目前，对于时间城市规划的讨论仍处于相对初期的阶段，在研究方法与技术思考上仍需进行更为广泛的深入与探索。本文从个体移动性视角出发，提出了理解个体移动与城市资源时空匹配的理论框架，并结合相关实证研究经验强调了在活动设施与移动设施间进行时空协同的重要性，并探讨了评估时空协同性的分析方法。首先，针对移动设施与活动设施间的时空连接，相关研究通过测度不同时间段内交通运营与食物供给设施间的时空可达性，揭示了低收入家庭在获取食品援助上的时间困境。其次，针对移动设施间的时空连接，相关研究以共享单车与公交车间的关系为例，提出了计算系统间竞争和互补关系的框架，以及分析单个社区内移动设施间换乘关系的余弦相似性方法。上述实例从两个角度分别回应了理论框架中指出的两类时空协同问题。尽管这两个实例场景在回应时间城市规划中存在一定局限性，但相关方法具有较好的可迁移性和应用潜力，可以适用于更广泛的人与设施间关系的分析，应用于更为复杂的城市场景，进而帮助实现、制定和评估时间城市规划中的具体方案。
首先，针对活动设施与移动设施间的关系，时间可达性方法能够通过模拟不同开放时间、公交运营时间、时间预算情况下居民对各类设施的可达能力变化，评估相关时间政策的现实效用并对可达能力较弱的地区与受影响较大的群体进行服务设施配置的调整和城市资源的倾斜。其次，针对多类移动设施间的关系，通过比较交通设施流量的连续变化，能够评价交通服务的时空衔接水平。针对固定时间段内多类交通设施间换乘流量较大的地区做提前部署与准备，可提升交通网络的运行效率。综上所述，区别于传统依赖于静态数据和侧重于空间分布制定的规划方法，基于高时空分辨率的移动数据的时间城市规划方案将关注具体的人。理解不同种类设施在不同时间段内的移动性水平将有助于精细化引导和调控居民时空间行为，将后置的行为研究转向面向未来的行为引导。
目前的研究也存在不足需要改进。首先，基于设施时刻表与设施使用数据开展的分析，无法深入刻画居民个体的差异性和资源获取的实际体验，进而难以切入居民真实使用场景，了解居民的主观感知与评价。因此，在运用移动数据进行分析研究的过程中，应当关注大数据与小数据相结合的问题。例如：针对大数据揭示的时空协同失调地区，对居民进行补充问卷调查；抑或将智能手机或智能穿戴设备与出行调查结合，不仅可实时获取个体所在位置，也可记录个人情绪、健康等相关数据，进而补充对出行体验和行为心理的进一步认识。其次，目前的研究未对设施类型和使用人群进行更加精细化的描述。在未来的研究中，应当针对不同类型的设施，深入探究其移动连接需求。这需要考虑不同种类设施的特殊性和不同群体的需求差异。例如：对于不同的公共服务设施，如医疗、教育、文化设施等，存在着不同的时空使用模式和使用人群。需要针对每种类型的设施，进行更为详细和精准的移动连接需求分析。在此基础上，也需要对城市公共服务设施的时空协同性评估方法作更加细致的分级与分类，从而帮助规划者更好地了解不同类别设施之间的时空关联性，为城市规划中资源配置提供更具针对性的建议。
综上，本文期望为时间城市规划提供理解设施间时空协同关系的移动性视角与研究框架，推进利用时空间行为数据开展多尺度、精细化的实证研究，建设具有时空连续性的城市公共服务系统，提升城市资源的使用效率与公平性。
注：文中未注明资料来源的图片均为作者绘制。
[1] 肖作鹏.数字社会下人类时空间行为的逻辑变化与研究展望[J/OL].地理科学进展,2022,41(1): 86-95.DOI: 10.18306/dlkxjz.2022.01.008.
[2] 李春江,张艳.日常生活数字化转向的时间地理学应对[J].地理科学进展,2022,41(1): 96-106.
[3] 钱欣彤,席广亮,甄峰.线上和线下生活服务设施可达性及其协调关系——以生鲜果蔬店铺为例[J/OL].人文地理,2022,37(4): 105-112.DOI: 10.13959/j.issn.1003-2398.2022.04.012.
[4] 魏伟,杨启莲,洪梦谣.面向供需匹配的城市公共服务设施分级分类评估方法研究——以武汉市为例[J].城乡规划,2023(3): 61-72.
[5] 席广亮,甄峰,项欣怡,等.智能技术作用下的城市生活服务供需匹配研究进展与展望[J].地理科学进展,2023,42(11): 2231-2241.
[6] 孙道胜,柴彦威,张艳.社区生活圈的界定与测度：以北京清河地区为例[J].城市发展研究,2016,23(9): 1-9.
[7] LI W,BATTY M,GOODCHILD M F,et al.Real-time GIS for smart cities[J].International journal of geographical information science,2020,34(2): 311-324.
[8] 陆锋,刘康,陈洁.大数据时代的人类移动性研究[J].地球信息科学学报,2014,16(5): 665-672.
[9] 钮心毅,林诗佳.城市规划研究中的时空大数据：技术演进、研究议题与前沿趋势[J].城市规划学刊,2022(6): 50-57.
[10] LIU X,GONG L,GONG Y,et al.Revealing travel patterns and city structure with taxi trip data[J].Journal of transport geography,2015,43: 78-90.
[11] 晏龙旭.流空间结构性影响的理论分析[J].城市规划学刊,2021(5): 32-39.
[12] BARBOSA H,HAZARIE S,DICKINSON B,et al.Uncovering the socioeconomic facets of human mobility[J].Scientific reports,2021,11(1):8616.
[13] 陈博文.建成环境对居民工作日多目的通勤行为的影响——基于广州市中心城区的实证[J].城市规划学刊,2017(5): 89-97.
[14] CALABRESE F,COLONNA M,LOVISOLO P,et al.Real-time urban monitoring using cell phones: a case study in Rome[J].IEEE transactions on intelligent transportation systems,2011,12(1): 141-151.
[15] KLOECKL K,SENN O,LORENZO G D.LIVE Singapore!-an urban platform for real-time data to program the city[C].Computer Science,Engineering,Environmental Science,Geography,2011.
[16] URRY J.Sociology beyond societies: mobilities for the Twenty-first Century[M].London: Routledge,2000: 2.
[17] 许伟麟,柴彦威.移动性地理学视角下时空间行为研究创新[J].地理学报,2023,78(4): 1015-1027.
[18] LYONS G,URRY J.Travel time use in the information age[J].Transportation research part a: policy and practice,2005,39(2/3): 257-276.
[19] LIU L,MILLER H J.Does real-time transit information reduce waiting time?an empirical analysis[J].Transportation research part a: policy and practice,2020,141: 167-179.
[20] 王姣娥,熊美成,黄洁.时空约束下的地铁可达性研究：以北京为例[J].地理科学,2022,42(1): 83-94.
[21] 胡娟,胡忆东,朱丽霞.基于“职住平衡”理念的武汉市空间发展探索[J].城市规划,2013,37(8): 25-32.
[22] 李苗裔,龙瀛.中国主要城市公交站点服务范围及其空间特征评价[J].城市规划学刊,2015(6): 30-37.
[23] 武文杰,孙瑞宁.城市公共服务设施可及性评价的理论与方法[J].城市规划,2024,48(1): 65-70.
[24] 塔娜,柴彦威.理解社区生活时间：基于时空间行为的视角[J].人文地理,2023,38(3): 29-36.
[25] 魏伟,洪梦谣,谢波.基于供需匹配的武汉市15 分钟生活圈划定与空间优化[J].规划师,2019,35(4): 11-17.
[26] 端木一博,柴彦威.社区设施供给与居民需求的时空间匹配研究——以北京清上园社区为例[J].地域研究与开发,2018,37(6): 76-81.
[27] 柴彦威,李彦熙,李春江.时空间行为规划：核心问题与规划手段[J].城市规划,2022,46(12): 7-15.
[28] CHAPIN F S Jr.Human activity patterns in the city[M].New York: John Wiley &Sons,Inc,1974.
[29] 张文佳,柴彦威.时空制约下的城市居民活动—移动系统——活动分析法的理论和模型进展[J].国际城市规划,2009,24(4): 60-68.
[30] HÄGERSTRAND T.What about people in regional science?[J].Papers of the Regional Science Association,1970,24(1): 6-21.
[31] 廖静莹,林姚宇,肖作鹏,等.基于时空棱柱的实时可达空间的概念模型与测度[J].地理学报,2024,79(4): 931-948.
[32] LEE J,MILLER H J.Measuring the impacts of new public transit services on space-time accessibility: an analysis of transit system redesign and new bus rapid transit in Columbus,Ohio,USA[J].Applied geography,2018,93: 47-63.
[33] PARK J,GOLDBERG D W.A review of recent spatial accessibility studies that benefitted from advanced geospatial information: multimodal transportation and spatiotemporal disaggregation[J].ISPRS international journal of geo-information,2021,10(8): 532.
[34] LIU S,ZHANG F,JI Y,et al.Understanding spatial-temporal travel demand of private and shared e-bikes as a feeder mode of metro stations[J].Journal of cleaner production,2023,398: 136602.
[35] TIAN Z,ZHOU J,TIAN L,et al.Dynamic spatio-temporal interactive clustering strategy for free-floating bike-sharing[J].Transportation research part b: methodological,2024,179: 102872.
[36] 陶印华,申悦.医疗设施可达性空间差异及其影响因素——基于上海市户籍与流动人口的对比[J].地理科学进展,2018,37(8): 1075-1085.
[37] 仝德,孙裔煜,谢苗苗.基于改进高斯两步移动搜索法的深圳市公园绿地可达性评价[J].地理科学进展,2021,40(7): 1113-1126.
[38] 蔚芳,王鑫.基于2SFCA 法的杭州体育活力空间可达性评价[J].城市规划,2019,43(11): 112-119.
[39] SCHWANEN T,ETTEMA D.Coping with unreliable transportation when collecting children: examining parents’ behavior with cumulative prospect theory[J].Transportation research part a: policy and practice,2009,43(5):511-525.
[40] KIM H M,KWAN M P.Space-time accessibility measures: a geocomputational algorithm with a focus on the feasible opportunity set and possible activity duration[J].Journal of geographical systems,2003,5(1): 71-91.
[41] 陈洁,陆锋,翟瀚,等.面向活动地点推荐的个人时空可达性方法[J].地理学报,2015,70(6): 931-940.
[42] JÄRV O,TENKANEN H,SALONEN M,et al.Dynamic cities: locationbased accessibility modelling as a function of time[J].Applied geography,2018,95: 101-110.DOI: 10.1016/j.apgeog.2018.04.009.
[43] WANG Y,CHEN B Y,YUAN H,et al.Measuring temporal variation of location-based accessibility using space-time utility perspective[J].Journal of transport geography,2018,73: 13-24.
[44] WIDENER M J,FARBER S,NEUTENS T,et al.Spatiotemporal accessibility to supermarkets using public transit: an interaction potential approach in Cincinnati,Ohio[J].Journal of transport geography,2015,42:72-83.
[45] HSUEH J,YOSHIKAWA H.Working nonstandard schedules and variable shifts in low-income families: associations with parental psychological wellbeing,family functioning,and child well-being[J].Developmental psychology,2007,43(3): 620-632.
[46] LEVINSON D M,WU H.Towards a general theory of access[J].Journal of transport and land use,2020,13(1): 129-158.
[47] ZENG X,SONG Y,CHEN N.Evaluating spatial-temporal access to WIC stores via transit based on transit schedules and store opening hours[M]//DAVID L,ALIREZA E.In Applications of access.Sydney: Network Design Lab,2021: 165-192.
[48] LEE J,MILLER H J.Robust accessibility: measuring accessibility based on travelers’ heterogeneous strategies for managing travel time uncertainty[J].Journal of transport geography,2020,86: 102747.
[49] LIU L,PORR A,MILLER H J.Realizable accessibility: evaluating the reliability of public transit accessibility using high resolution real-time data[J/OL].Journal of geographical systems,2022.DOI: 10.1007/s10109-022-00382-w.
[50] SMITH L G,WIDENER M J,LIU B,et al.Comparing household and individual measures of access through a food environment lens: what household food opportunities are missed when measuring access to food retail at the individual level?[J].Annals of the American Association of Geographers,2022,112(2): 542-562.
[51] 胡峰,黄伟.基于“出行即服务”理念的城市公共交通系统变革[J].规划师,2018,34(11): 101-107.
[52] 王晶,曾坚,刘畅.高铁客站与城市公交的一体化衔接模式[J].城市规划学刊,2010(6): 68-71.
[53] MA J,ZHENG C,YU M,et al.The analysis of spatio-temporal characteristics and determinants of dockless bike-sharing and metro integration[J].Transportation letters,2024,16(2): 182-195.
[54] 黄建中,余波.接驳城市轨道交通的社区公交研究——以上海市为例[J].城市规划学刊,2014(3): 77-84.
[55] SONG Y,HUANG Y.Investigating complementary and competitive relationships between bikeshare service and public transit: a spatial-temporal framework[J].Transportation research record: journal of the Transportation Research Board,2020,2674(1): 260-271.
[56] LIU L,MILLER H J.Measuring the impacts of dockless micro-mobility services on public transit accessibility[J].Computers,environment and urban systems,2022,98: 101885.
[57] 郭素萍,甄峰,尹秋怡.城市公共自行车出行时空间特征分析[J].规划师,2017,33(6): 112-118.
[58] 周辉宇,张晨燕,李红昌.基于出行者选择的城市公交和共享单车竞合关系影响因素研究[J].长安大学学报(社会科学版),2020,22(2): 48-61.
[59] CAMPBELL K B,BRAKEWOOD C.Sharing riders: how bikesharing impacts bus ridership in New York City[J/OL].Transportation research part a:policy and practice,2017,100: 264-282.DOI: 10.1016/j.tra.2017.04.017.